دکتر سید سلمان فاطمی

هوش مصنوعی از عروسک های بازی تا کمک به انسان در تولیدات تا زیان های آن بر جسم و روح انسان- قسمت هفدهم
هوش مصنوعی نوین، خودش را از طریق تکامل داروینی ارتقا می‌دهد!

آیا هوش مصنوعی، قابل تکثیر شدن و ارتقا از طریق انتخاب طبیعی یا مصنوعی است؟ واقعیت اینکه هر چیز در کیهان ما چه طبیعی یا مصنوعی، تحت شرایط محیطی و انتخاب طبیعی یا مصنوعی قرار میگیرد. محصولات مغز انسان از جمله کامپیوترها و سیستم های دیجیتال، بخشی از عالم مادی ما است که تحت این انتخاب ها قرار می‌گیرد. آنچه در مورد انتخاب سیستم های هوش مصنوعی و دیجیتال، خودنمایی میکند انتخاب سیستم برگزیده، توسط خود مجموعه ی هوش مصنوعی است. یعنی فقط شرایط محیطی و انتخاب انسان نیست که این سیستم ها را گزینش میکند بلکه خود مجموعه ی هوشمند، میتواند با پیشبینی هایی که میکند برترین سیستم ها و مفیدترین اجرا را انتخاب کند و این پیش بینی ها به خصوص در کامپیوترهای کوانتومی بسیار فراتر از قدرت پیشبینی هوش انسان است.

این قدرت بالای پیشبینی، کارآمدی یک سیستم(چه سیستم مکانیکی و یا تاثیر یک متن و یا سخنرانی در یک جامعه خاص و یا تاثیر یک برنامه ی اجتماعی روی افراد بشری و حتی قدرت پیشبینی درستی کلمات جاگذاری شده در یک متن باستانی قدیمی که خیلی از بخش های آن ریخته است)، بسیار ریزتر و دقیقتر از قدرت هوشمندی مغز انسان میتواند ظرافت ها را بررسی کند و سیستم ها یا برنامه های مفیدتری را برای جوامع مختلف با توجه به تفاوت ها در فرهنگ ها و رفتارها و اعتقادات، ابداع کند.(توصیه میشود برای بررسی حوزه ی وسیع کاربرد هوش مصنوعی به مقاله یفناوری هوش مصنوعی، نحوه خطاطی کتیبه های دریای مرده (بحر المیت)را فاش میکند
کشف جدید متون و کتیبه های قدیمی و لزوم بررسی و تحلیل آنها به روشی درست در همین کانال مراجعه شود.)

AutoML-Zero
یک پروژه ای برای اثبات و تایید یک مطلب است که پیشنهاد میدهد آینده ی آموزش ماشین ممکن است الگوریتم های ساخته شده به وسیله ی ماشین باشد. آموزش خودکار ماشین، یک شاخه از یادگیری عمیق(deep learning) است که با سرعت بالا در حال توسعه میباشد. این شاخه، جستجو میکند تا میزان انرژی دریافتی انسان را- که برای استفاده از آموزش ماشین در مراجعه با چالش های حقیقی جهان نیاز است- کاهش دهد.

AutoML-Zero
به وسیله ی دانشمندان در گوگل ساخته شده است و به عنوان یک تایید کننده ی ساده مدارک یک مطلب، انجام وظیفه میکند و نشان می‌دهد چگونه این شکل از تکنولوژی ممکن است روزی اسکیل و درجه بندی شود و برای چالش های پیچیده تر استفاده گردد.

آموزش ماشین، چگونگی مداخله ی ما در مورد تکنولوژی را متحول کرده‌است. امروز این هوش، قادر است داده های سوشیال مدیا(شبکه های اجتماعی)را پردازش کند، تصویر پیچیده را شناسایی کند، اتومبیل را در مسیر جاده حرکت دهد و حتی شرایط پزشکی را شناسایی کند؛ ولی وقتی تکنولوژی آموزش ماشین می‌تواند برخی کارها را به صورت اتوماتیک انجام دهد هنوز به داده های زیادی از مهندسان نیاز دارد تا کاملا مرتب و منظم شود و آن را در جهت درستی، جهتدهی کند.

به طور اجتناب ناپذیر باید توجه شود خطا و انحراف انسانی و محدودیت های او، به این تکنولوژی هم منتقل می‌شود.(برای بررسی محدودیت های احتمالی در پیشبینی های آموزش ماشین توصیه میشود به مقاله یهوش مصنوعی از عروسک های بازی تا کمک به انسان در تولیدات تا زیان های آن بر جسم و روح انسان- قسمت شانزدهم در همین کانال مراجعه شود.) بنابراین چه میشود اگر دانشمندان بتوانند تاثیر خود را بر این فرایند، به حداقل برسانند؟!

این، با ساخت یک سیستم است که الگوریتم های آموزش ماشین را تولید کند. آیا این میتواند راه حل های جدیدی را ابداع کند که انسان ها هرگز تصور نمیکرده اند؟

برای پاسخ به این سوالات، گروه دانشمندان کامپیوتر در گوگل یک پروژه به نام AutoML-Zero را ابداع کرده اند که در پیش مقاله ای که در arXiv منتشر شده‌است توضیح داده می‌شود.

اجزای طراحی شده به وسیله ی انسان، نتایج پژوهش را در جهت الگوریتم های طراحی شده به وسیله ی انسان، جهت دهی میکند و احتمالا پتانسیل و ظرفیت ابداع AutoML را کاهش میدهد.

این ابداع همچنین با داشتن انتخاب های کمتر، محدود میشود: تو نمیتوانی چیزی را که قابل جستجو توسط تو نیست، کشف کنی

Automatic machine learning (AutoML)
یک عرصه یادگیری عمیق است که به سرعت در حال پیشرفت میباشد. این عرصه، جستجو میکند تا فرایند انتها به انتهای یادگیری ماشین را به چالش های واقعی جهان بکشاند.

برخلاف دیگر تکنیک های آموزش ماشین، AutoML نیازمند تلاش های نسبتا اندک است و این، یعنی شرکت ها ممکن است به زدودی بتوانند از آن استفاده کنند؛ بدون آنکه لازم باشد به گروهی از دانشمندان داده، هزینه و مزد پرداخت کنند.

AutoML-Zero
منحصر به فرد است زیرا از اصول ریاضیات ساده ای استفاده میکند تا الگوریتم هایی را از چرک نویس و موارد بی ارزش، ایجاد کند. سپس بهترین موارد را انتخاب میکند و آنها را از طریق فرایندی- که شبیه انتخاب داروینی است- دچار دگرگونی و جهش میکند.

AutoML-Zero
در ابتدا به طور تصادفی 100 آلگوریتم مشخص را تولید میکند و هر کدام از آنها کاری را مانند شناسایی یک تصویر انجام می‌دهد و این برنامه ی هوش مصنوعی، بهترین ان را برمیگزیند. به کار بردن این آلگوریتم ها با الگوریتم های طراحی شده به وسیله ی دست مقایسه میشود.

AutoML-Zero
بهترین الگوریتم را به عنوان والد، انتخاب میکند. مقاله می‌گوید: این والد، کپی و دگرگون میشود تا آلگوریتم کودک را تولید کند که به جمعیت اضافه میشود در حالی که پیرترین آلگوریتم در جمعیت برداشته میشود.

این سیستم میتواند هزاران جمعیت را در آن واحد، تولید کند و اینها از طریق فرایندهای تصادفی، دچار جهش و دگرگونی میشوند. طی چرخه های کافی، این الگوریتم های تولید شده خودبخود و اتوماتیک، در انجام کارایی خود بهتر و کاراتر می‌شوند.(توصیه میشود به مقاله یروبات ها ممکن است به زودی بتواند زاد و ولد کننددرهمین کانال مراجعه شود.)

ری والش متخصص کامپیوتر و پژوهشگر دیجیتال در پروپرایوسی به نیوزویک گفت: چیز خوب در مورد این نوع از هوش مصنوعی اینکه میتواند روی دستگاه های خود، سوار شد و خود تنظیم باشد؛ بدون اینکه پارامترهای از قبل تعریف شده، داشته باشد و می‌تواند بیست و چهار ساعته برای ایجاد الگوریتم های جدید، تلاش مضاعف کند.

اگر دانشمندان کامپیوتر، بتوانند این نوع از آموزش خودبخود ماشین را اسکیل و درجه بندی کنند تا با موارد پیچیده تر رقابت نماید، این، می‌تواند یک عرصه ی جدید در یادگیری ماشین را طراحی کند که سیستم‌های آن، با ماشین ها به جای انسان ها طراحی می‌شود.

این طراحی ها ارزان تر است ولی مزایا و فواید آموزش عمیق را دارد این در حالی است که می‌تواند منجر به راه حل های افسانه ای در چالش های واقعی جهان شود.

هنوز مقاله ی جدید، درجه ی پایینی از مدارک را برای تایید این مطلب دارد و پژوهشگران توجه می‌دهند که پژوهش بیشتری نیاز است.

مقاله ی پیش منتشر شده ی دانشمندان بیان میکند: با شروع از داده های صفر و با استفاده از عملکردهای ریاضیات پایه، ما مدل های رگرشن خطی(مدل های برگشت پذیر برای تعمیم)، شبکه های عصبی نسل, gradient descent (یک آلگوریتم بهبود بخش و ایده ال کننده برای یاد دادن مدل های آموزش ماشین) و مداخله های تکثیر شونده را ایجاد کرده ایم. این نتایج، ارزشمند هستند ولی کارهای زیادی باید انجام شود.
https://bigthink.com/surprising-science/automl?utm_term=Autofeed&utm_medium=Social&facebook=1&utm_source=Facebook&fbclid=IwAR1xfno9Tswi5RzPc6Jul1_0Mw22sYPlV7XHllwimKfjGDhhV34nDQef2x4#Echobox=1627530034